龙溪口防护堤变形在线监控模型构建与优化

龙溪口库区防护堤的地质条件与运行环境复杂，如何利用原型监测数据实现其安全运行状态的在线监控是亟待解决的关键问题。针对传统监控模型在非线性特征的监测序列方面存在泛化性差、精度低等问题，基于长短时记忆神经网络(LSTM)算法，以水位、温度、时效为输入量，变形为输出量，构建防护堤LSTM在线变形监控模型。通过对比分析不同模型参数对精度的影响规律，揭示学习率>分块尺寸>最大迭代次数>隐藏层单元数的多参数敏感性规律，并提出相关参数的建议取值。工程应用表明，该模型精度高，适用性和稳定性强。     

小乌江堆石混凝土重力坝安全监测重点

小乌江堆石混凝土重力坝采用堆石块体和高自密实性能混凝土浇筑而成,与传统混凝土坝相比,堆石混凝土重力坝具有施工快、无需振捣密实、不设温控措施等优点,为检验大坝运行情况,对其进行安全监测,安全监测重点为变形监测、渗流渗压监测及温度监测三个方面,监测数据显示:目前大坝已安装监测仪器运行良好,仪器测值可靠,达到了在施工期对大坝进行施工指导及安全监控的目的。     

采用JADE-SVR方法研究波浪和开孔沉箱相互作用

以往对波浪与开孔沉箱相互作用进行试验研究,通常利用传统多元线性回归方法分析试验数据,拟合回归函数关系式,缺乏保证关系式同时具有良好拟合精度和泛化性能(预测精度)的"策略"。为解决这一问题,综合考虑消浪室相对宽度、相对基床高度、波陡、相对水深、开孔率等影响因素,开展不规则波作用下的明基床上开孔沉箱物模试验,同时建立带有外部存档的差分进化算法(JADE)优化的支持向量回归机(SVR)模型(JADE-SVR),计算开孔沉箱不规则波浪反射系数、所受总水平力极值时刻对应的总垂直力折减系数。经与传统多元回归分析方法作对比,发现JADE-SVR模型计算精度更高且泛化性能良好,可以为港口工程领域的科研工作与工程所应用。     

基于PSO_SVM模型的水火弯板变形预测研究

近年来,水火弯板加工自动化是船舶制造行业的研究热点和难点。由于影响钢板变形结果的参数之间复杂的非线性关系,导致水火弯板变形预测不能够快速准确的实现。支持向量机(SVM)具有良好的泛化能力,将其应用于水火弯板变形预测,可有效解决非线性、小样本、高维数等问题。支持向量机性能的好坏取决于其参数的选取,本文选用粒子群算法(PSO)来优化SVM的相关参数,并将预测结果和传统的支持向量机模型的预测结果进行对比分析。结果表明,PSO_SVM模型用于水火弯板变形预测可以较好地提高预测精度。     

大坝安全监测异常值诊断方法研究

针对水利工程安全监测变量之间作用机理的复杂性及监测奇异值产生的不确定性,结合人工智能技术在处理不确定性复杂信息和深度挖掘数据特征方面的优势,提出了基于人工智能技术的水利工程安全监测奇异值智能诊断方法。首先对监测数据采用莱茵达准则进行异常值识别并同时综合进行异常值成因分析并将结果数值化;然后根据奇异值位置构建包含奇异值的数据序列并将其进行标准化处理,提取标准化监测数据序列的第一主成分作为模型训练输入样本,数值化的异常值成因分析结果作为训练输出样本;最后采用卷积神经网络进行分类训练和预测,以混淆矩阵、ROC坐标、AUC值和准确率作为模型训练和预测评价指标,最后以某工程大坝水平位移监测数据为例进行实例验证分析。实例结果表明:基于人工智能技术的大坝安全监测奇异值智能诊断方法预测混淆矩阵匹配度较高、ROC坐标为(0.03,0.96)、AUC值近似为1.00、精确率为92.00%,因此其奇异值诊断预测结果良好,所建奇异值智能诊断方法具有操作方法简单、智能化程度高及可靠性强等特点,具有一定的工程应用价值。     

大坝安全监控研究综述

本文对大坝原型观测资料的处理与分析,观测资料的正、反分析,安全综合评判与决策等方面进行了研究,阐述了大坝安全监控在国内外的研究现状和发展方向。     

基于DWT-LSTM的航道水位智能预测模型研究

航道水位信息是内河船舶安全通航、合理配载的决策依据之一。为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析。研究结果表明:四类模型均可满足短时预测需求,合格率均大于90%;当航道水位变幅剧烈时,BP神经网络耦合模型误差较大;DWT-LSTM耦合神经网络模型性能较经典LSTM模型分别提升约10.9%(预测周期1-2天)、25.2%(预测周期3-5天)。研究成果可为船舶通航风险评估、航道条件分析等提供技术支撑。     

改进PSO-ANN神经网络算法在船舶安全性预测方面的研究应用

利用神经网络网络的自学习能力强、并行计算快、容错性高的特点来评估船舶航行安全性状态,同时利用微粒群算法(PSO)优化反向传播神经网络的连接权值和阈值。阐述反向传播神经网络在船舶航行安全性系统状态评测中的流程,相对于目前的船舶航行安全性预测方法,本文提出的智能模型具有结构简单及预测精度高等优点。     

基于改进灰色模型的电力系统负荷预测

传统的灰色预测模型因其所需历史数据少、计算快、对平稳地区的负荷预测有较高精度等优点,曾被广泛应用。但传统的灰色预测模型对于历史数据要求较高,最好为指数形式,并且在数据波动较大的情况下,其预测误差可能变得较大,不符合实际需要。为了减小预测误差,本文在传统灰色模型的基础上,首先对部分历史数据进行平滑处理,以确保其光滑性,同时对历史数据进行等维处理,不断的剔除旧数据,增加新数据,最后进行灰色循环残差修正,在原始数据和预测模型两个方面进行了修正,提高了电力负荷预测精度。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

改进灰色模型在海上交通综合安全指数预测应用

为提高海上交通综合安全指数的预测精度,弥补传统预测方法的不足,构造一种改进的灰色预测模型。在对传统的灰色预测模型GM(1,1)的基本原理和预测精度进行阐述的基础上,引入弱化算子序列对灰色预测模型进行改进,设计一种改进的灰色预测模型。以2004—2013年海上交通综合安全指数4项指标历史数据为基础,进行传统灰色模型预测和改进灰色模型预测,并绘制出2种预测模型的实际值和预测值的拟合曲线。结果表明:改进灰色模型的预测精度和拟合曲线都比传统灰色模型要好,能真实反映海上交通综合安全指数的发展趋势,预测结果具有一定的可靠性和实用性。     

基于EES的船舶制冷压缩机仿真与优化研究

随着国内轮机模拟器的不断发展,船舶制冷系统仿真建模方面的研究也越来越深入,为了使船舶制冷仿真系统达到更好的模拟效果,就需要建立更为精确和高效的模型。基于拥有专业且成熟的热物性计算包的EES(Engineering Equation Solver)软件,结合船用制冷压缩机实验数据,对文中介绍的经验模型进行了拟合验证和多工况下的性能预测,对半经验模型中的容积效率提出两种优化方法,并与传统计算方法进行对比,以分析和验证其优化效果。结果表明：经验模型在一定工况范围内具有良好的精度,可以作为压缩机性能预测的参考；提出的容积效率优化计算模型相较于传统经验公式有着更高的精度,对于制冷仿真系统精度的提高有所帮助。     

基于支持向量机的船舶航向广义预测控制研究

船舶的动态性能具有大惯性、大时滞、非线性等特点,采用基于结构风险最小化原则的神经网络———支持向量机(SVM),充分发挥其可以任意逼近非线性模型的良好特性对船舶模型进行有效辨识,以此作为广义预测控制(GPC)算法中的预测模型,并加以相应的GPC算法达到保持航向的目的。仿真结果表明:SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于SVM的GPC算法在航向保持方面具有很好的控制性能。     

基于遗传小波神经网络的港口船舶交通流量预测模型比较

对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。     

不同预测算法在简单交通场景中的应用比较

为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经网络和Prophet时间序列预测算法建立交通流预测模型.通过对比分析发现,3种预测模型在解决交通流预测问题方面均表现良好,相比之下,LSTM在模型拟合和预测精度方面表现更好,泛化能力更强,且在影响因素设置方面更为灵活.在以后的研究中,可采用LSTM,结合调参方法解决更多交通场景下的交通流预测问题.     

H_∞控制在潜艇深度控制的应用

传统的PID控制器鲁棒性较差,模型参数变化对控制器的影响较大。为了提高系统的鲁棒性,将H∞控制器应用于潜艇机动控制。通过分析模型的速度参数摄动性,确定模型的干扰信号与评价信号,利用Matlab设计最优的H∞控制器。仿真结果表明在该控制器作用下,系统达到了信号跟踪的要求,并且在速度有较大摄动时,系统仍有较好的动态性能,即系统的鲁棒性较好。该方法亦可用于潜艇模型的其他单个或多个参数摄动的鲁棒性设计。     

基于GM(1,1)模型的水电站溢洪道边坡变形预测

边坡系统具有一定的灰色特征,基于某水电溢洪道边坡现场实测数据,构建边坡变形预测的GM(1,1)模型,通过误差分析,预测结果与实测结果较为一致,所建立的模型具有较高的精度和可靠性。对未来三期边坡位移量进行了预测,其平均增幅为21.93%,增速明显较大。建议加强监测频次,并根据实时监测数据,采取必要的预防及工程处置措施。研究成果对于该溢洪道边坡安全及应急处置具有重要的意义。     

渔港安全监控和信息管理系统研究

渔港是沿海渔区渔船生产、航行,停泊安全的重要基础保障.为加强渔港安全管理、促进渔业经济发展和新农村建设,在研究渔港功能、渔港安全监控和信息管理系统现状的基础上,对船舶动态监控、船岸通信、综合信息管理3个子系统的设计原理和实现途径,对数据接受和处理,船舶动态数据库,目标船化标绘系统,基于AIS(Automatic Identification System)数据的智能船舶动态视频监控4个核心技术问题逐一进行了论述.系统的设计和研发达到了国家中心渔港的建设要求,并满足了渔港安全管理的需要.     

基于一方程转捩模型的狭缝冲击射流传热数值模拟

[目的]由于冲击射流现象涉及层流—湍流转捩、极强的逆压梯度和分离流问题,导致传统湍流模型无法对其准确预测。为了研究湍流模型在多种条件下的鲁棒性,[方法]采用基于转捩机理的一方程转捩模型,预测以局部努塞尔数(Nu)来衡量的狭缝冲击射流的传热特征。在冲击距离范围为4≤H/B≤9.2时,对稳态和脉动冲击射流传热问题进行研究。[结果]结果表明,在H/B=4时,一方程转捩模型准确地捕捉了受转捩影响的局部努塞尔数第2峰值的大小和位置;在H/B=9.2时,该模型避免了大多数传统雷诺时均模型(RANS)中出现的假第2峰值,获得了更符合实验结果的传热分布规律。[结论]在较大的H/B范围内,一方程转捩模型能够准确预测狭缝冲击射流的传热分布,表现出良好的鲁棒性。     

基于分数阶算子灰色理论隧道围岩变形预测

采用新奥法开挖隧道时围岩应力产生重分布,对隧道围岩的变形进行监控量测是必不可少的内容。这些数据也影响着接下来的工况实施,需要对现场监控数据进行有效的处理才可以有效预测。为了避开一些复杂的地质因素、围岩力学效应等较难确定的因素,采用分数阶算子灰色理论进行数据处理。介绍了分数阶算子灰色理论的基本原理与操作步骤,基于传统的GM(1,1)模型,引入分数阶精确调节累加数的数量级,以此建立分数阶算子灰色预测模型。以工程实例为研究背景,对不同模型下隧道围岩位移的预测结果进行对比分析,结果表明,分数阶算子灰色预测模型优于经典GM(1,1)模型,其模拟精度有明显的提高,能满足实际工程的需求。